Abstract Multifactorial mechanisms underlying late-onset Alzheimer’s disease (LOAD) are poorly characterized from an integrative perspective. Here spatiotemporal alterations in brain amyloid-β deposition, metabolism, vascular, functional activity at rest, structural properties, cognitive integrity and peripheral proteins levels are characterized in relation to LOAD progression. We analyse over 7,700 brain images and tens of plasma and cerebrospinal fluid biomarkers from the Alzheimer’s Disease Neuroimaging Initiative (ADNI). Through a multifactorial data-driven analysis, we obtain dynamic LOAD–abnormality indices for all biomarkers, and a tentative temporal ordering of disease progression. Imaging results suggest that intra-brain vascular dysregulation is an early pathological event during disease development. Cognitive decline is noticeable from initial LOAD stages, suggesting early memory deficit associated with the primary disease factors. High abnormality levels are also observed for specific proteins associated with the vascular system’s integrity. Although still subjected to the sensitivity of the algorithms and biomarkers employed, our results might contribute to the development of preventive therapeutic interventions.

Abstract Alzheimer’s disease typically progresses in stages, which have been defined by the presence of disease-specific biomarkers: amyloid (A), tau (T) and neurodegeneration (N). This progression of biomarkers has been condensed into the ATN framework, in which each of the biomarkers can be either positive (+) or negative (−). Over the past decades, genome-wide association studies have implicated ∼90 different loci involved with the development of late-onset Alzheimer’s disease. Here, we investigate whether genetic risk for Alzheimer’s disease contributes equally to the progression in different disease stages or whether it exhibits a stage-dependent effect. Amyloid (A) and tau (T) status was defined using a combination of available PET and CSF biomarkers in the Alzheimer’s Disease Neuroimaging Initiative cohort. In 312 participants with biomarker-confirmed A−T− status, we used Cox proportional hazards models to estimate the contribution of APOE and polygenic risk scores (beyond APOE) to convert to A+T− status (65 conversions). Furthermore, we repeated the analysis in 290 participants with A+T− status and investigated the genetic contribution to conversion to A+T+ (45 conversions). Both survival analyses were adjusted for age, sex and years of education. For progression from A−T− to A+T−, APOE-e4 burden showed a significant effect [hazard ratio (HR) = 2.88; 95% confidence interval (CI): 1.70–4.89; P < 0.001], whereas polygenic risk did not (HR = 1.09; 95% CI: 0.84–1.42; P = 0.53). Conversely, for the transition from A+T− to A+T+, the contribution of APOE-e4 burden was reduced (HR = 1.62; 95% CI: 1.05–2.51; P = 0.031), whereas the polygenic risk showed an increased contribution (HR = 1.73; 95% CI: 1.27–2.36; P < 0.001). The marginal APOE effect was driven by e4 homozygotes (HR = 2.58; 95% CI: 1.05–6.35; P = 0.039) as opposed to e4 heterozygotes (HR = 1.74; 95% CI: 0.87–3.49; P = 0.12). The genetic risk for late-onset Alzheimer’s disease unfolds in a disease stage-dependent fashion. A better understanding of the interplay between disease stage and genetic risk can lead to a more mechanistic understanding of the transition between ATN stages and a better understanding of the molecular processes leading to Alzheimer’s disease, in addition to opening therapeutic windows for targeted interventions.

Brain genetics is an active research area. The degree to which genetic variants impact variations in brain structure and function remains largely unknown. We examined the heritability of regional brain volumes (p ~ 100) captured by single-nucleotide polymorphisms (SNPs) in UK Biobank (n ~ 9000). We found that regional brain volumes are highly heritable in this study population. We observed omni-genic impact across the genome as well as enrichment of SNPs in active chromatin regions. Principal components derived from regional volume data are also highly heritable, but the amount of variance in brain volume explained by the component did not seem to be related to its heritability. Heritability estimates vary substantially across large-scale functional networks and brain regions. The variation in heritability across regions was not related to measurement reliability. Heritability estimates exhibit a symmetric pattern across left and right hemispheres and are consistent in females and males. Our main findings in UK Biobank are consistent with those in Alzheimers Disease Neuroimaging Initiative (n ~ 1100), Philadelphia Neurodevelopmental Cohort (n ~ 600), and Pediatric Imaging, Neurocognition, and Genetics (n ~ 500) datasets, with more stable estimates in UK Biobank.